基于DIV标签分段的藏文网页正文提取研究

• 作者: 才让叁智 赵栋材
• 来源期刊: 西藏大学学报（自然科学版）
• 学科: 工学
• 关键词: 藏文网页 分段 正文信息 DIV元素 标签
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 高原交通·信息
• 页码范围: 70-77
• 页数: 8页
• 分类号: TP391.1
• 字数: 5809字
• 语种: 中文
• DOI: 10.16249/j.cnki.54-1034/c.2016.01.012

摘要

文章针对藏文电子文献资源匮乏、文本资源不规整、收集困难等问题,提出了基于DIV标签分段的藏文网页正文提取算法,该算法将原始网页信息分割为页面信息中与DIV元素等量的信息段,再对段中标签等非正文信息进行删除,最终形成该页正文.实验表明,正文提取结果准确、通用性强,适用于互联网上不同模型的藏文网页.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	才让叁智	西藏大学藏文信息技术研究中心	4	13	2.0	3.0
2	赵栋材	西藏大学藏文信息技术研究中心	22	49	4.0	6.0